基于XGBoost算法的盾構施工地面沉降預測方法

夏漢庸,黃 毅,尹和軍,張 良

(1.寧波市軌道交通集團有限公司,寧波 315012；2.中鐵工程設計咨詢集團有限公司,北京 100055)

1 概述

盾構法隧道施工會對地層原有的應力平衡造成較大影響，因此，掌握施工對鄰近地面的影響，及時準確、智能地預測地面沉降量，為盾構掘進風險管控提供有效的依據，具有重大的工程價值。目前，盾構施工主要采用傳統地面沉降監控量測方法，但監測數據的采集頻率相對較低且反饋不及時，不能及時掌握盾構經過地面的詳細沉降情況，出現問題均為事后采取控制，因此，通過跨學科融合研究進行數據分析來預測地面沉降量顯得尤為重要。

盾構施工過程中地面沉降預測常用的傳統方法有數值模擬法和Peck公式法。Peck公式[1]是在隧道工程中影響較為廣泛的預測地面沉降方法，后續在此方面的深入研究得到了廣泛開展[2-5]，但采用經驗公式計算時，因關鍵參數與經驗因素過于依賴特定經驗，局限性比較大；而采用數值模擬計算時計算量又較大，建模效率過低且參數選取過于復雜。

近幾年，利用人工智能方法對盾構施工過程中地面沉降量的預測成為主流。眾多研究者利用人工神經網絡模式[6]、BP神經網絡訓練模型[7]、小波理論[8]、時序分析[9]、自適應神經模糊推理系統(ANFIS)[10-13]等研究理論深入研究了盾構施工地面沉降問題，構建了各種有效的預測模型。此外，支持向量機在地面沉降預測研究中也得到了廣泛使用[14-18]，在解決小樣本和高維模式識別問題中具有巨大優勢，且其在解決非線性回歸問題上也具有良好的性能。……